卷积神经网络主动目标方位估计

复杂海洋环境中信道的传输特性、时空变化、频散效应等一定程度上制约了主动声呐目标方位估计的性能。该文引入卷积神经网络(CNN),提出了适用于主动声呐中目标方位的高精度估计方法。仿真声场环境为浅海负梯度,主动发射信号为具有多普勒不变性质的双曲调频信号,水平线列阵作为接收装置,目标按仿真路线运动。该文利用Kraken进行声场数据仿真,并对接收的信号在频域做均匀加权常规波束形成,进而进行卷积神经网络的模型训练和测试。数值仿真研究表明,该文所用方法可以有效估计目标波达方向,对信噪比具有一定的鲁棒性。     

基于成像声呐DIDSON的水域内鱼群数量估计方法*

为准确估计整片水域中的鱼群数量,提出一种利用成像声呐进行数量估计的方法。将成像声呐固定在调查船下,并使波束发射方向与船前进方向一致,通过走航调查方式采集水下信息,对采集的数据进行声呐图像构建、噪声去除、目标提取,其中噪声去除采用固定数据窗口的迭代最小二乘法,目标提取采用基于三倍标准差准则的阈值分割法。接着利用扩展卡尔曼滤波结合最近邻的多目标跟踪算法对图像中的个体目标进行一一计数,同时统计声呐扫描过的水域面积,获得目标个数的平均面密度值,最后结合水域占地面积,估算出整片水域中的鱼群数量。利用该方法实现对滴水湖鱼群数量的估计,通过与人工计数结果比较,发现基于声呐图像处理的数量统计方法具有较高精度,两者的统计值相差约10%。     

频域宽带下视多波束三维声成像算法

为解决下视多波束三维成像声呐跨航向分辨率差、旁瓣级高的问题,提出一种频域宽带下视多波束三维声成像算法。该算法将阵元域回波信号通过二维傅里叶变换直接变换到波数-频率域,之后进行深度向匹配滤波,同时选取带宽内的频点进行频域宽带信号的相位补偿,再进行二维逆傅里叶变换回阵元域,实现跨航向-深度向成像处理。沿航向采用时域合成孔径方法,得到三维图像结果.计算机仿真和海上实验结果表明,相比于常规的下视多波束三维成像声呐处理算法,改进的方法跨航向主瓣变窄,角分辨率明显提高,旁瓣降低10~30 dB。相比于传统基于分块DFT的频域宽带波束形成,改进的频域宽带方法避免了跨航向处理中的时域分块插值和多次变换域,复数加法和乘法次数显著降低。改进的频域宽带下视多波束三维声成像算法可以有效地获取水下三维高分辨图像,抑制虚影,明显改善成像质量。同时,计算效率高,更适合于实时成像系统实现。     

数字投影三维数字成像的并行DSP实现

提出一种基于数字白光投影的三维数字成像嵌入式DSP处理系统.该系统根据时序变频条纹投影原理,利用TMS320DM642定点DSP和FPGA硬件电路以及多线程软件技术实现了条纹编码、编码图像采集和条纹分析的流水线处理过程.为了提高相位解调算法的速度,使用软件流水对其进行了优化.对于512×512像素图像,五步相移时的条纹图处理速度可达到39.7 fps,能满足快速条纹图处理的要求.测量实验表明,该系统可以实现快速、准确的三维轮廓测量.     

水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.     

基于深度体素卷积神经网络的三维模型识别分类

提出一种基于深度体素卷积神经网络的三维(3D)模型识别分类算法,该算法使用体素化技术将3D多边形网格模型转化为体素矩阵,并通过深度体素卷积神经网络提取该矩阵的深层特征,以增强特征的表达能力和差异性。在ModelNet40数据集上的实验结果表明:所提算法对3D网格模型识别分类的准确率能够达到87%左右。所构建的深度体素卷积神经网络能够有效地增强3D模型的特征提取和表达能力,提高对大规模复杂3D网格模型分类识别的准确率,所提方法优于当前的主流方法。     

基于三维卷积神经网络与超像素分割的高光谱分类

高光谱遥感数据具有详细的地物光谱与空间信息.针对高光谱数据空间信息在以往分类方法中未得到充分利用而导致鲁棒性与分类精度较低的问题,提出了一种改进的超像素分割与三维卷积神经网络分类方法.该方法首先通过超像素分割与模糊聚类对高光谱遥感数据进行区域分割,再使用三维卷积神经网络对得到的区域分割结果与高光谱数据形成的空-谱联合数...     

基于三维空洞卷积残差神经网络的高光谱影像分类方法

高光谱影像是典型的高维数据,在光谱维和空间维都包含了大量信息。针对高光谱影像分类时光谱维数据量巨大的特点,提出一种基于三维空洞卷积残差神经网络的高光谱影像分类方法。该方法以高光谱像元立方体作为数据输入,使用三维卷积核同时提取高光谱数据的空间维和光谱维特征,并通过在卷积核中引入空洞结构,在不增加网络参数量和不消减数据特征的情况下提高卷积核的感受野,从而提高神经网络的分类的精度。该方法利用残差结构避免了由网络层数加深导致的梯度消失问题,最终使用Softmax分类器完成高光谱像元的分类工作。实验结果表明:所提方法在Indian Pines和Salinas数据集上分别取得了97.303%和97.236%的总体分类精度,与各对照组相比具有更好的分类效果,由此证明所提方法可以提升高光谱影像的分类性能。     

基于点云数据的三维目标检测技术研究进展

近年来,随着深度传感器和三维激光扫描设备的普及,点云数据引起了广泛关注。相对于二维图像,点云数据不仅包含场景的深度信息,还不受光照等环境因素的影响,能够更精确地实现目标识别和三维定位。因此,基于点云的三维目标检测技术已经成为智能空间感知和场景理解的关键技术。本文首先介绍了点云数据的特点,并探讨了不同类型的点云特征提取方法;其次,详细阐述了基于体素、点、图以及体素与点混合的点云目标检测方法的原理和发展历程;然后,介绍了常见的室内外点云目标检测数据集和评价指标,并对各类点云目标检测方法在KITTI和Waymo数据集上的性能进行了详细的比较和分析;最后,对点云目标检测技术的研究进展进行了总结和展望。     

Improved 3D displacement measurements method and calibration of a combined fringe projection and 2D-DIC system

An improved measurement method and an automatic calibration procedure are proposed for a combined 2D Digital Image Correlation and Fringe Projection system that allows measuring in- and out-of-plane displacement maps with only one image at each deformation stage of a specimen. The proposed method increases the accuracy and range of the out-of-plane displacements by taking into account the divergences of both the projected fringes (uncollimated) and the camera (with non-zero FOV). The calibration is performed automatically by acquiring a sequence of images of a reference plane by displacing perpendicular to it the camera and fringe projector with a motorized translation stage. The acquired images are then used to obtain a fringe function for each pixel and the necessary parameters required for the correction of the in-plane displacements. Furthermore, a closed form expression is obtained that relates the out-of-plane displacements with the shifted phase at each pixel for a given experimental set-up. This expression is in good agreement with the fringe function obtained by fitting a simple 2nd order polynomial to the experimental obtained calibration data. Finally, the polynomial approach is proposed as a fringe function because it avoids the errors in the determination of the required parameters of the theoretical expression as well as some small misalignment or aberration effects.     

机载激光3D探测成像系统的关键技术

介绍了机载激光3D探测成像系统的应用领域和国内外发展现状,概括了小型无人机载激光3D成像检测系统（JIGSAW）、机载激光测深系统（LADS）、直升机3D-LZ Imaging LADAR及机载对地高分辨详查系统的基本组成、技术指标以及各自的特点。阐述了激光3D成像系统的工作原理与扫描方式的分类,并重点对其单元核心技术即激光测距系统、激光光轴控制与指向测量系统、数据图像处理技术与显示系统进行了研究。最后,简单综述了机载激光3D探测成像系统的发展前景。     

机载激光3D探测成像系统的关键技术

介绍了机载激光3D探测成像系统的应用领域和国内外发展现状,概括了小型无人机载激光3D成像检测系统(JIGSAW)、机载激光测深系统(LADS)、直升机3D-LZ Imaging LADAR及机载对地高分辨详查系统的基本组成、技术指标以及各自的特点。阐述了激光3D成像系统的工作原理与扫描方式的分类,并重点对其单元核心技术即激光测距系统、激光光轴控制与指向测量系统、数据图像处理技术与显示系统进行了研究。最后,简单综述了机载激光3D探测成像系统的发展前景。